基于选择的结构化推理（SSR）：迈向高效多模态搜索智能体
基于选择的结构化推理（SSR）将开放式推理生成改为从预设、可复用的自然语言候选中选择，以降低多模态搜索智能体的推理成本。研究使用 2B 和 4B 模型，在七项多模态搜索基准上评估，平均成功率可与同规模领先搜索智能体竞争。每轮推理延迟降低超过 90%，每题模型推理总延迟降低 28–54%。
#Agent
Apple Machine LearningAI 评分4646 Google ResearchAI 评分5555 Google 展示 Earth AI 地理空间智能体研究进展与实际应用，扩大早期访问
Google 公布 Earth AI 地理空间推理智能体的技术报告与合作伙伴测试案例，并扩大 Ask Google Earth、智能体 API 和 Planetary Prediction Engine 的实验性早期访问。
Google ResearchAI 评分5151 Google Research 在 Research@ 2026 展示 10 项研究与工具进展
Google Research 在 Research@ 2026 展示 10 项研究与工具进展，涉及地理分析、科研智能体、文档核查、端侧芯片、数值预测、医疗、灾害预测、教育与协作原型设计。
Google Research精选AI 评分7979 Google Deep Review 如何分析复杂技术文档
Google 公开发布文档审查智能体系统 Deep Review，为科研论文、设计文档及法律和金融文档提供技术核验与改进建议。系统由 Paper Assistant Tool（PAT）演进而来，通过文档分段、自适应计算预算、并行核验和全局综合检查逻辑、数学陈述及证据一致性，并将高层判断留给人类。
推荐理由：分段审查、动态分配计算预算与全局核验的组合，为复杂文档审查提供了可迁移的多智能体流程，同时将高层判断留给人类。
Google DeepMind精选AI 评分8080 Google DeepMind 如何为 Gemini 4 Argon 构建安全防护
Google DeepMind 介绍 Gemini 4 Argon 的安全设计，重点解释高风险用途防滥用、实时失对齐监控和提示词注入防御。防护结合输入筛查、内部激活探针和持续监控；在 Gray Swan 的 IPI 基准上，15 次自适应攻击尝试的成功率降至 0.7%。
推荐理由：训练案例揭示了惩罚思维链中取巧表述的风险，公开讨论减少不等于取巧减少，为设计可监控的智能体训练提供参考。
Google AI Blog精选AI 评分8888 Google 发布 Gemini 4 Argon，面向复杂编码、科研与专业任务
Google 发布 Gemini 4 Argon，面向开发者、企业及消费者全球开放，主打复杂编码、金融、法律、网络安全和科研任务。Gemini API 提供 1M 输入输出统一 token 额度，首发定价为 $2 per million input tokens 和 $10 per million output tokens，缓存输入 token 优惠 95%。
推荐理由：统一输入输出额度与分层开放渠道交代了长任务的使用条件，配合明确的输入输出定价，便于评估接入成本。
GitHub Blog · AI & MLAI 评分5959 GitHub Copilot app 入门：如何让 Copilot 了解你的代码库
GitHub Copilot app 入门教程讲解如何结合自定义指令、智能体技能、自定义智能体与 MCP 服务器，让 Copilot 按项目规范工作。
Anthropic Engineering精选AI 评分7272 Anthropic 重设计源码管理的工程实践：从 git 迁移至 Scion
Anthropic 详解内部版本控制系统 Scion 的设计与迁移实践，以应对日均代码合并量从 2026 年 5 月约 2,500 次增至 9 月超过 30,000 次的负载。
推荐理由：将客户端始终在线作为设计前提，把历史查询与合并计算移至服务端，为应对智能体海量代码变更提供了可迁移的架构思路。
Microsoft ResearchAI 评分5959 Microsoft Research 开源 Agent Lightning v1.0，以约 3,500 行代码实现智能体 RL 框架
Microsoft Research Asia 开源重构后的 Agent Lightning v1.0，以约 3,500 行代码让部署时使用的智能体运行框架直接参与 RL 训练。
Microsoft Research精选AI 评分6060 Microsoft Research 的 Jennifer Neville 谈 AI 会犯哪些错，以及失败能教会我们什么
Microsoft Research 的 Jennifer Neville 在访谈中解析 AI 在多轮对话和长流程协作中的失败，以及评估如何帮助改进系统。她的团队将单轮基准改为逐轮补充需求的测试，发现模型表现显著下降，长流程中的未纠正错误也会累积并造成混乱。她建议对话混乱时重新开启聊天并一次性完整说明需求，在实际工作中保留人工监督与核验，而非将任务 100% 委托给 AI。
推荐理由：把单轮基准改造成逐轮补充需求的评估，能揭示高分背后的交互短板，为设计贴近真实工作流的测试提供具体思路。
Mistral AI精选AI 评分7777 Mistral AI 发布 Mistral Large 4 公开预览，计划本月底开放权重
Mistral AI 发布 Mistral Large 4（ML4）公开预览，即日起可通过 Mistral Studio 使用预览 API，计划本月底开放权重。
推荐理由：当前 API 预览与月底开放权重的安排，提供了区分模型能力试用和自主部署的具体背景，尤其关联安全团队对运行控制权的需求。
Google ResearchAI 评分4141 Google Research 报告：情境视角下 AI 智能体隐私与安全的开放性与新兴问题
Google Research 发布 AI 智能体隐私与安全研讨会报告，梳理自主智能体面临的挑战及多层防御方向。报告以情境完整性理论为基础，将信息共享的适当性扩展至智能体行动，倡议构建动态情境策略引擎，在数据流出用户工作空间前评估其适当性。研究方向还包括系统级沙箱、模型级推理与以用户为中心的控制。
GitHub Blog · AI & MLAI 评分5656 ReviewBench：面向 AI 代码审查的开放评测基准
GitHub 开放 AI 代码审查基准 ReviewBench 的研究预览版，提供公开数据集、评估方法和自助运行工具。基准包含来自 187 个公开开源仓库、覆盖 19 种语言的 219 个拉取请求，使用多来源参考问题集和 Claude Sonnet 5 评判器，独立参与复核的资深工程师与基准判断的一致率为 96.6%。
Google AI BlogAI 评分5858 Google 回顾 2026 年 9 月 AI 更新，涵盖 Gemini 4 Argon、应用连接与 WeatherNext 3
Google 回顾 2026 年 9 月的 AI 更新，涵盖 Gemini 4 Argon、Gemini 新增 Connected Apps、语音模型及 WeatherNext 3。
GitHub Blog · AI & MLAI 评分4343 AI 正在改变开发者工作：GitHub 建议强化的三项技能
GitHub 建议开发者强化三项技能：指导 AI 智能体、审查 AI 输出，以及利用节省的实现时间解决更大问题。GitHub Copilot 内置的 Rubber Duck 智能体会用第二个模型审查计划、代码和测试，但开发者仍需自行判断。随着 AI 承担更多实现工作，开发者应更重视客户需求、架构权衡与技术决策。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot app 入门：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvases 教程演示了如何通过 /create-canvas 技能，用自然语言创建用户与智能体共享的自定义工作流界面。描述需明确工作流、用户操作和智能体操作，生成后可继续调整，并保存为项目共享或个人扩展。用户与智能体的修改会即时反映在共享状态中，无需额外发送或同步，也可从 Awesome Copilot 安装现成扩展后再定制。
Mistral AI精选AI 评分6464 Mistral AI 复盘如何用 AI 智能体迁移复杂遗留代码
Mistral AI 复盘了协助一家欧洲能源运营商将 40,000 行 Fortran 77 储层模拟代码迁移到 C++ 的实践。团队先建立数值一致性验证框架并整理文档，在尝试全自主迁移和多智能体协作后，采用人工监督编码、测试和审查智能体逐模块迁移的流程。首轮覆盖总计 300,000 行代码中的核心功能，原代码可独立运行；依赖外部系统或缺少可运行基线的迁移不在本次讨论范围内。
推荐理由：案例将数值一致性验证、文档整理和人工审查串成迁移流程，为复杂遗留系统如何划分智能体职责提供了可迁移的方法。
Berkeley AI ResearchAI 评分4848 ABBEL：教大语言模型更新信念，实现高效长程交互
ABBEL 框架用自然语言信念状态替代完整交互历史，并通过信念评分监督其信息保留，改善长程交互中的摘要学习效率。在 CollabBench 协作编程测试中，基于重构的信念评分使其与完整上下文模型的性能差距缩小约 50%，训练步数减少 50%，同时保持更低的峰值 token 用量。
Berkeley AI ResearchAI 评分5050 智能趋近免费之后：为 AI 智能体服务、管理智能体并由智能体构建的数据系统
Aditya G. Parameswaran 及合作者探讨推理成本趋近于零时，数据系统如何服务、管理 AI 智能体，并由智能体构建。多智能体 text-to-SQL 实验中，80-90% 的子查询存在重复工作，可探索复用结果、近似查询和主动反馈。智能体群的状态管理、协调与故障处理，以及生成系统的行为验证，也是研究挑战。
Anthropic Engineering精选AI 评分7878 Anthropic 如何在不同产品中隔离 Claude 并限制风险范围
Anthropic 详解 claude.ai、Claude Code 和 Claude Cowork 的隔离架构，以及限制智能体潜在破坏范围的工程经验。三者分别采用临时容器、结合人工监督的沙箱和本地虚拟机；Claude Code 用户批准了约 93% 的权限请求，引入操作系统级沙箱后，权限提示减少了 84%。
推荐理由：通过权限疲劳与获准域名泄露的案例，提供按用户监督能力选择隔离强度、并将网络白名单视为能力授权的设计思路。
Anthropic Engineering精选AI 评分7373 Claude Managed Agents 如何通过解耦“大脑”与“双手”实现扩展
Anthropic 详解 Claude Managed Agents 的架构，将 Claude 及其运行框架、执行沙箱和会话日志解耦，使各组件能独立替换与故障恢复。持久化会话日志支持按需检索历史上下文，凭据隔离与代理机制避免沙箱中的代码直接接触认证凭据。沙箱改为按需配置后，无需立即使用沙箱的会话可直接开始推理，p50 首 token 延迟（TTFT）降低约 60%，p95 降低超过 90%。
推荐理由：将运行循环、执行环境与事件日志拆成独立接口，为长时运行智能体提供了可迁移的故障恢复设计，也让上下文管理能随模型演进。
Anthropic Engineering精选AI 评分7979 Anthropic 如何构建 Claude Code auto mode，让跳过权限确认更安全
Anthropic 详解 Claude Code auto mode 的设计，通过输入层提示词注入探测和执行前动作分类，减少人工审批并拦截超出用户授权的危险操作。
推荐理由：通过区分危险动作识别与用户授权判断，文章揭示了自动审批的关键边界，可帮助判断哪些任务适合交给分类器审批。